數(shù)據(jù)標(biāo)注為AI發(fā)展加工“優(yōu)質(zhì)原料”

圖為廣東省公共數(shù)據(jù)標(biāo)注基地（清遠(yuǎn)）。 受訪者供圖

隨著人工智能迅猛發(fā)展，高質(zhì)量訓(xùn)練數(shù)據(jù)短缺逐漸成為制約行業(yè)進(jìn)步的一大瓶頸，而數(shù)據(jù)標(biāo)注產(chǎn)業(yè)可為人工智能創(chuàng)新發(fā)展提供強(qiáng)大動力。國家發(fā)展改革委、國家數(shù)據(jù)局、財政部、人力資源和社會保障部四部門日前聯(lián)合印發(fā)的《關(guān)于促進(jìn)數(shù)據(jù)標(biāo)注產(chǎn)業(yè)高質(zhì)量發(fā)展的實施意見》（以下簡稱《實施意見》），提出到2027年的發(fā)展目標(biāo)：數(shù)據(jù)標(biāo)注產(chǎn)業(yè)專業(yè)化、智能化及科技創(chuàng)新能力顯著提升，產(chǎn)業(yè)規(guī)模大幅躍升，年均復(fù)合增長率超過20%。

我國數(shù)據(jù)標(biāo)注產(chǎn)業(yè)現(xiàn)狀如何？數(shù)據(jù)標(biāo)注產(chǎn)業(yè)高質(zhì)量發(fā)展還需要跨過哪些“門檻”？針對這些問題，科技日報記者進(jìn)行了采訪。

　原始數(shù)據(jù)變?yōu)榭捎觅Y源

“通俗地說，訓(xùn)練人工智能大模型的過程就像老師教學(xué)生識字。”華南理工大學(xué)計算機(jī)科學(xué)與工程學(xué)院副院長張通形象地解釋道，數(shù)據(jù)標(biāo)注就是給數(shù)據(jù)“貼標(biāo)簽”或者“做記號”，需要專業(yè)人員向大模型闡釋各個數(shù)據(jù)的標(biāo)簽及需執(zhí)行的相應(yīng)任務(wù)。他們“教導(dǎo)”大模型參與訓(xùn)練的數(shù)據(jù)是什么，給圖像、語音、文本等各種數(shù)據(jù)“貼標(biāo)簽”。高質(zhì)量的數(shù)據(jù)標(biāo)注，有助于機(jī)器精準(zhǔn)理解、快速學(xué)習(xí)、高效訓(xùn)練，顯著提升大模型的準(zhǔn)確性和泛化能力。

在訓(xùn)練ChatGPT時，美國開放人工智能研究中心（OpenAI）就投入了大量資源用于數(shù)據(jù)標(biāo)注。為確保標(biāo)注任務(wù)高質(zhì)量完成，使ChatGPT能更好地理解人類指令，保障大模型的準(zhǔn)確性與可靠性，OpenAI聘請了眾多“老師”。這些“老師”涵蓋一般數(shù)據(jù)標(biāo)注人員和專業(yè)人士，還包括博士級別的專家。

數(shù)據(jù)標(biāo)注是人工智能發(fā)展的核心基石之一。“數(shù)據(jù)標(biāo)注產(chǎn)業(yè)是對數(shù)據(jù)進(jìn)行篩選、清洗、分類、注釋、標(biāo)記和質(zhì)量檢驗等加工處理的新興產(chǎn)業(yè)，其核心任務(wù)是對原始數(shù)據(jù)進(jìn)行加工，使之成為可用于訓(xùn)練人工智能大模型的優(yōu)質(zhì)原料。”張通介紹，數(shù)據(jù)標(biāo)注作為訓(xùn)練大模型至關(guān)重要的一環(huán)，直接影響機(jī)器學(xué)習(xí)模型的性能，對支撐人工智能能力水平提升有重要作用。

在張通看來，未經(jīng)處理的原始數(shù)據(jù)只是潛在資源，而經(jīng)過標(biāo)注處理后沉淀的數(shù)據(jù)，才能在市場上進(jìn)行有效交易和流通，從而充分釋放數(shù)據(jù)要素價值。培育壯大數(shù)據(jù)標(biāo)注產(chǎn)業(yè)，對于提升數(shù)據(jù)供給質(zhì)量、推動人工智能創(chuàng)新發(fā)展不可或缺。

業(yè)內(nèi)人士認(rèn)為，隨著人工智能技術(shù)不斷成熟、應(yīng)用領(lǐng)域持續(xù)拓展，數(shù)據(jù)標(biāo)注行業(yè)將迎來更廣闊市場空間，尤其是在低空經(jīng)濟(jì)、智慧城市、自動駕駛、智慧醫(yī)療等新興科技領(lǐng)域展現(xiàn)出巨大潛力。

　產(chǎn)業(yè)步入快速發(fā)展階段

全球數(shù)據(jù)標(biāo)注市場目前正處于迅速增長期。近年來，我國數(shù)據(jù)標(biāo)注產(chǎn)業(yè)已進(jìn)入快速發(fā)展階段，產(chǎn)業(yè)鏈條不斷完善，技術(shù)創(chuàng)新成果逐步實現(xiàn)市場化應(yīng)用。據(jù)測算，2023年我國數(shù)據(jù)標(biāo)注產(chǎn)業(yè)規(guī)模已達(dá)800億元左右。

四川成都、遼寧沈陽、安徽合肥、湖南長沙等7個承擔(dān)數(shù)據(jù)標(biāo)注基地建設(shè)任務(wù)的城市，在大模型標(biāo)注、自動化標(biāo)注等領(lǐng)域取得重要突破。長沙信息產(chǎn)業(yè)園作為長沙首批數(shù)據(jù)標(biāo)注基地之一，已吸引智能網(wǎng)聯(lián)汽車、數(shù)據(jù)標(biāo)注、網(wǎng)絡(luò)安全等1萬余家各類數(shù)字企業(yè)入駐，成功打造了人工智能創(chuàng)新中心算力服務(wù)平臺。

廣東積極推進(jìn)數(shù)據(jù)標(biāo)注訓(xùn)練試點和基地建設(shè)，為大模型訓(xùn)練提供堅實數(shù)據(jù)支撐。2023年9月，廣東省公共數(shù)據(jù)標(biāo)注訓(xùn)練試點正式啟動。在廣東省公共數(shù)據(jù)標(biāo)注基地（清遠(yuǎn)），百度、燕湖科技、好思達(dá)等一批在自動駕駛、政務(wù)公共標(biāo)注領(lǐng)域表現(xiàn)突出的企業(yè)已率先入駐。憑借龍頭企業(yè)的帶動作用和數(shù)字經(jīng)濟(jì)產(chǎn)業(yè)的集聚效應(yīng)，清遠(yuǎn)的數(shù)據(jù)標(biāo)注產(chǎn)業(yè)蓬勃發(fā)展。

“我們以數(shù)字經(jīng)濟(jì)產(chǎn)業(yè)為核心，與數(shù)字經(jīng)濟(jì)產(chǎn)業(yè)龍頭企業(yè)緊密合作，致力于打造國家級數(shù)據(jù)標(biāo)注產(chǎn)業(yè)集聚區(qū)和產(chǎn)教融合示范區(qū)。”廣東省公共數(shù)據(jù)標(biāo)注基地（清遠(yuǎn)）負(fù)責(zé)人李艷康介紹，落戶在此的百度智能云（清遠(yuǎn)）人工智能基礎(chǔ)數(shù)據(jù)產(chǎn)業(yè)基地已累計引進(jìn)孵化數(shù)據(jù)標(biāo)注企業(yè)5家，培育專業(yè)數(shù)據(jù)標(biāo)注師超300人。未來，基地將持續(xù)培育孵化更多優(yōu)秀數(shù)據(jù)標(biāo)注企業(yè)，推動清遠(yuǎn)數(shù)據(jù)服務(wù)產(chǎn)業(yè)不斷壯大發(fā)展。

復(fù)合型人才缺口仍然較大

《實施意見》的出臺，將進(jìn)一步提升數(shù)據(jù)供給質(zhì)量，有效解決制約人工智能產(chǎn)業(yè)發(fā)展的高質(zhì)量數(shù)據(jù)短缺問題。

值得注意的是，隨著人工智能應(yīng)用的不斷深化，對數(shù)據(jù)標(biāo)注的需求也愈發(fā)細(xì)分化和專業(yè)化。2024年7月，張通團(tuán)隊和廣州華銀康醫(yī)療集團(tuán)股份有限公司在人工智能與數(shù)字經(jīng)濟(jì)廣東省實驗室（廣州）共建AI病理研究中心，著手研發(fā)人工智能病理大模型，讓人工智能模型能像專業(yè)醫(yī)生一樣看病問診。在其中的數(shù)據(jù)預(yù)處理環(huán)節(jié)，中心特別聘請了3位資深的主任級醫(yī)師進(jìn)行數(shù)據(jù)標(biāo)注。

“醫(yī)療、材料等專業(yè)領(lǐng)域，涉及到專業(yè)對象和術(shù)語結(jié)合的標(biāo)注過程，只有專業(yè)從業(yè)人員才能勝任標(biāo)注工作。而且，標(biāo)注任務(wù)極其耗時、耗力、耗資源。整個標(biāo)注工作并非一蹴而就，而是需要在實際應(yīng)用場景中優(yōu)化、持續(xù)迭代，促使模型智能化水平不斷升級。”張通說，當(dāng)前我國數(shù)據(jù)標(biāo)注行業(yè)人才缺口仍然較大，亟待培養(yǎng)復(fù)合型數(shù)據(jù)標(biāo)注人才，這是我國數(shù)據(jù)標(biāo)注產(chǎn)業(yè)高質(zhì)量發(fā)展必須跨過的“門檻”。

《實施意見》對加強(qiáng)標(biāo)注人才隊伍建設(shè)作出部署。以人才項目計劃和科技項目等為抓手，培育和引進(jìn)高端專業(yè)人才；制（修）定人工智能訓(xùn)練、數(shù)據(jù)標(biāo)注相關(guān)職業(yè)國家職業(yè)標(biāo)準(zhǔn)；支持?jǐn)?shù)據(jù)標(biāo)注領(lǐng)域職業(yè)資格與職業(yè)技能等級銜接互認(rèn)……一項項舉措，將為數(shù)據(jù)標(biāo)注產(chǎn)業(yè)高質(zhì)量發(fā)展提供支撐。

完善的產(chǎn)業(yè)生態(tài)建設(shè)對數(shù)據(jù)標(biāo)注行業(yè)發(fā)展同樣重要。《實施意見》提出，暢通數(shù)據(jù)采集、標(biāo)注、人工智能應(yīng)用產(chǎn)業(yè)鏈，推動數(shù)據(jù)標(biāo)注產(chǎn)業(yè)上下游協(xié)同發(fā)展；支持?jǐn)?shù)據(jù)標(biāo)注龍頭企業(yè)和第三方機(jī)構(gòu)等建設(shè)數(shù)據(jù)標(biāo)注開源平臺，助力中小企業(yè)發(fā)展；培育一批人力資源、供需對接、國際合作、法律審計等服務(wù)數(shù)據(jù)標(biāo)注的第三方機(jī)構(gòu)，完善數(shù)據(jù)標(biāo)注產(chǎn)業(yè)生態(tài)。

“未來數(shù)據(jù)標(biāo)注行業(yè)的發(fā)展，也可考慮‘以人工智能促人工智能’的思路，即讓已經(jīng)完成學(xué)習(xí)的人工智能反哺數(shù)據(jù)標(biāo)注工作，提高效率。這是值得深入探討且極具價值的研究方向。”張通認(rèn)為，數(shù)據(jù)標(biāo)注行業(yè)的發(fā)展有望加速推動數(shù)字經(jīng)濟(jì)與實體經(jīng)濟(jì)深度融合，加快形成新質(zhì)生產(chǎn)力。

關(guān)鍵詞：